CN110514340A - 一种基于数字图像技术中目标识别追踪的索力测量方法 - Google Patents

一种基于数字图像技术中目标识别追踪的索力测量方法 Download PDF

Info

Publication number
CN110514340A
CN110514340A CN201910645807.3A CN201910645807A CN110514340A CN 110514340 A CN110514340 A CN 110514340A CN 201910645807 A CN201910645807 A CN 201910645807A CN 110514340 A CN110514340 A CN 110514340A
Authority
CN
China
Prior art keywords
image
target
formula
force measurement
cable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910645807.3A
Other languages
English (en)
Inventor
雷冬
杜文康
朱飞鹏
白鹏翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910645807.3A priority Critical patent/CN110514340A/zh
Publication of CN110514340A publication Critical patent/CN110514340A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
    • G01L5/042—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands by measuring vibrational characteristics of the flexible member

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于数字图像技术中目标识别追踪的索力测量方法，包括以下步骤：S01，在拉索上布置目标点，通过相机获取拉索振动视频；S02，将拉索振动视频分解为时间序列图像，并进行数字量化处理；S03，利用假彩色增强方法、二值化以及形态学处理方法对拉索上布置的目标进行捕捉分析；S04，通过计算目标形心坐标，获得拉索振动的时域图像；S05，经过快速傅里叶变换得到拉索振动频域图像并提取拉索的振动频率；S06，基于频率法计算拉索索力。本发明提供的一种基于数字图像技术中目标识别追踪的索力测量方法，采用非接触式振动测量方式，快速可靠，能够较好地满足工程实际的需求。

Description

一种基于数字图像技术中目标识别追踪的索力测量方法
技术领域
本发明涉及一种基于数字图像技术中目标识别追踪的索力测量 方法，属于桥梁健康监测技术领域。
背景技术
随着社会经济及工程技术不断发展，桥梁结构健康监测的需求日 益增多。拉索作为缆索支承型桥梁重要的承载构件，在桥梁整体结构 安全中发挥着举足轻重的作用，对其动态响应及索力的测量也成为桥 梁结构健康监测过程中重要的考核指标。
目前，索力测试的方法主要有压力传感器法、压力油表法、电磁 感应法以及振动频率法。压力传感器和压力油表法属于直接量测法， 一般适用于桥梁建造施工过程中拉索张拉过程中的索力测定。磁通量 法主要是通过捕捉磁场伴随索力改变时的变化，适用于长期监测和非 接触式测量，但是初期成本投入较大，安装便利性有待提高。振动频 率法大量应用于各种拉索结构的监测中，但频率法的量测仍然是通过 安装加速度传感器的方式来捕捉拉索的动态位移，这就不可避免地需 要进行大量线路布设工作来实现数据传输，这也使得对传感器的养护 和管理面临较多的问题。
发明内容
本发明要解决的技术问题是，克服现有技术的缺陷，提供一种采 用非接触式振动测量方式，快速可靠，能够较好地满足工程实际的需 求的基于数字图像技术中目标识别追踪的索力测量方法。
为解决上述技术问题，本发明采用的技术方案为：
一种基于数字图像技术中目标识别追踪的索力测量方法，包括以 下步骤：
S01，在拉索上布置目标点，通过相机获取拉索振动视频；
S02，将拉索振动视频分解为时间序列图像，并进行数字量化处 理；
S03，利用假彩色增强方法、二值化以及形态学处理方法对拉索 上布置的目标进行捕捉分析；
S04，通过计算目标形心坐标，获得拉索振动的时域图像；
S05，经过快速傅里叶变换得到拉索振动频域图像并提取拉索的 振动频率；
S06，基于频率法计算拉索索力。
S01中，目标点的形状包括圆形或者方形。
S02中，数字量化处理后，数字图像变为一个二维数组用函数 f(x，y)表示，可以表示为公式(1)。
其中，x，y分别代表每个像素点在图像中的坐标，f(x，y)代表在 该点处的灰度值，M代表图像横向的像素个数，N代表图像纵向的 像素个数。
S03中，假彩色增强方法通用的线性假彩色映射可表示为公式 (2)：
其中，RF、GF和BF分别代表图像经过假彩色增强之后某一像素 点的红色分量、黄色分量和蓝色分量，Rf、Rf和Bf分别原图像的红色 分量、黄色分量和蓝色分量，a1、a2、a3、b1、b2、b3、c1、c2和c3为 线性假彩色映射矩阵的参数，可以根据具体的颜色需求选择不同的映 射矩阵。
S03中，形态学处理方法包括公式(3)到公式(6)总共四种运 异；
其中，公式(3)是腐蚀的定义运算，即通过B结构元素对A进 行腐蚀，是满足以下条件的点(x，y)的集合：B的中心点平移到点 (x，y)时，B完全包含于A中；公式(4)是膨胀的定义运算，即通 过B结构元素对A进行腐蚀，是满足以下条件的点(x，y)的集合：B 的中心点平移到点(x，y)时，B与A的交集非空；公式(5)是膨胀 腐蚀相结合的开运算，即先腐蚀后膨胀；公式(6)是膨胀腐蚀相结 合的闭运算，即先膨胀后腐蚀；其中，A指的是被处理的图像，B是用于处理图像的结构元素，代表腐蚀运算，通过B结构元素对A 进行腐蚀运算，代表膨胀运算，通过B结构元素对A进行膨胀运 算。(B)xy代表用于图像处理的结构元素。
S04中，设经过一系列图像处理后的区域大小为M×N，h(x，y)是 每个像素点在图像矩阵中对应的灰度值，则目标的形心坐标为：
其中，xc、yc分别代表形心横坐标和纵坐标。
S06中，索的张力的计算方式如下：
式中：T是索的张力，m是索的线密度，l是索的计算长度，fn是 索的第n阶自振频率，索力值由多点平均化后得到。
本发明的有益效果：
1、本发明是非接触式索力测量的一种，无需安装传统的传感器， 对拉索结构正常的运营无影响；
2、本发明不需要布设大量的线路，可以通过多点测量获取拉索 整体模态信息，同时可以获得多根拉索振动信息，有较高的测试效率；
3、利用假彩色增强、二值化以及形态学处理的数字图像处理方 法，可以精确地捕捉目标点，通过形心的计算，得到位移时程曲线；
4、可以快速捕捉拉索振动动态特性以及计算索力，可以获得拉 索多点振动信息，通过平均化的方法修正拉索索力值，同时也可以计 算多根拉索的索力。
附图说明
图1为本发明一种基于数字图像技术中目标识别追踪的索力测 量方法的流程图；
图2为本发明中实验模型振动视频分解后图像；
图3为本发明中假彩色增强处理后的图像；
图4为本发明中二值化后的图像；
图5为本发明中形态学处理后的图像。
具体实施方式
下面结合附图对本发明作进一步描述，以下实施例仅用于更加清 楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明公开一种基于数字图像技术中目标识别追踪 的索力测量方法，包括以下步骤：
步骤一，在拉索上布置目标点，目标点具有一定形状特征的目标 点，比如圆形或者方形。通过单反相机采集桥梁拉索的振动视频，并 配备与相机相匹配的三脚架。
步骤二，将拉索振动视频分解为时间序列图像，并进行数字量化 处理。本发明中实验模型振动视频分解后图像如图2所示。具体地， 需要将采集的视频分解为可以用于数字图像处理分析的单帧图像。数 字图像的数字量化是指将分解后的单帧图像转化为数字矩阵，数字矩 阵每个数字代表图像的每个像素点的灰度值。
数字图像的采集与数字化处理。数字图像的采集与量化实际上就 是图像数字化的过程，计算机对数字矩阵进行运算的过程也就是图像 处理的过程。图像的量化就是将取样后的每个子区域分为若干区间， 并用一个数值来代表该区间的灰度值。图像采样后会自动进行离散处 理，以矩阵的形式储存。每一个小区域称为像素，每个像素包含两个 属性，即位置与灰度值，如果一幅图横向有M个像素，纵向有N个 像素，则图像的大小为M×N个像素，数字量化之后，数字图像变为 一个二维数组用函数f(x，y)表示，可以表示为公式(1)。
其中，x，y分别代表每个像素点在图像中的坐标，f(x，y)代表在该点 处的灰度值。
步骤三，利用假彩色增强方法、二值化以及形态学处理方法对拉 索上布置的目标进行捕捉分析。利用假彩色增强技术使得目标点在 RGB图像中更加突出，易于观察与识别；转化为二值化图像，可以 提高图像处理和计算的效率，节约处理时间；通过形态学处理，包括 膨胀、腐蚀以及开闭运算，使目标点更加饱满，去除噪声区域，改善 图片质量。
假彩色增强技术是指对一张彩色图像进行数学运算，通过映射函 数来改变图像各像素的三原色分量，从而获得不同于原彩色图像色彩 分布的新彩色图像。假彩色增强技术处理图像的主要目的是使得目标 子区呈现出不同于环境的颜色，可以被快速捕捉。本发明中假彩色增 强处理后的图像如图3所示。通用的线性假彩色映射可表示为公式 (2)。
其中，RF、GF和BF分别代表图像经过假彩色增强之后某一像素 点的三基色(红、黄、蓝)分量，Rf、Rf和Bf分别原图像的三基色分 量，a1、a2和a3、b1、b2和b3、c1、c2和c3所构成的矩阵为线性假彩 色映射矩阵，可以根据具体的颜色需求选择不同的映射矩阵。
为了更好地突出目标，过滤无用的背景信息，提高图像处理的 效率，可对图像进行二值化，进而快速地进行图像处理分析。此外， 相较于灰度图像，二值图像能够较好地判别图像边界以及跟踪目标位 移。本发明中二值化后的图像如图4所示。为了更好地消除非目标区 域的噪声，需要进行形态学处理，常见的形态学运算有腐蚀和膨胀两 种以及将膨胀腐蚀相结合的开闭运算。本发明中形态学处理后的图像 如图5所示。形态学处理方法包括公式(3)到公式(6)总共四种运 算；
其中，公式(3)是腐蚀的定义运算，即通过B结构元素对A进行腐 蚀是满足以下条件的点(x，y)的集合：B的中心点平移到点(x，y) 时，B完全包含于A中。公式(4)是膨胀的定义运算，即通过B结 构元素对A进行腐蚀是满足以下条件的点(x，y)的集合：B的中心 点平移到点(x，y)时，B与A的交集非空。公式(5)是膨胀腐蚀相 结合的开运算，即先腐蚀后膨胀。公式(6)是膨胀腐蚀相结合的闭 运算，即先膨胀后腐蚀A指的是被处理的图像，B是用于处理图像的 结构元素。
代表腐蚀运算，通过B结构元素对A进行腐蚀运算，代表 腐蚀运算，通过B结构元素对A进行膨胀运算。(B)xy代表用于图像 处理的结构元素(用于图像处理，以x，y为中心点的结构元素)步骤 四，通过计算目标形心坐标，获得拉索振动的时域图像。计算目标点的形心，获取每帧图像中目标点的形心坐标。通过对目标点形心坐标 的获取，可以准确获取目标的振动信息，画出形心坐标关于时间的位 移图像进而可以得到拉索振动的位移时间图像。形心位置是目标范围 内的一个确定点，不会因为噪声影响而导致目标形状的变化而发生太 大的变化，所以使用目标形心法可以较为稳定地进行计算，具有良好 的抗噪性能。设经过一系列图像处理后的区域大小为M×N， h(x，y)h(x，y)是每个像素点在图像矩阵中对应的灰度值，则目标的形 心坐标为：
其中，xc、yc分别代表形心横坐标和纵坐标。
步骤五，根据拉索的时域图像，经过快速傅里叶变换得到拉索振 动频域图像，得到拉索的频率图像，通过峰值点捕捉，获得拉索模态 信息，提取拉索的振动频率。
步骤六，基于频率法计算拉索索力，索的张力的计算方式如下：
式中：T是索的张力，m是索的线密度，l是索的计算长度，fn是索的 第n阶自振频率，索力值由多点平均化后得到。
在某次实验模型的测试中，通过单反相机获取斜拉索的振动视频， 对视频分割后得到时间序列的图像，利用假彩色增强、二值化以及形 态化处理技术获取拉索的位移时间曲线，经过快速傅里叶变换之后， 得到拉索振动五点的一阶频率，分别为f11＝8.56Hz，f12＝8.53Hz， f13＝8.53Hz，f14＝8.53Hz，f15＝8.53Hz，已知该拉索的线密度m＝ 0.1362kg/m，计算长度l＝1.980m，五点的平均索力T＝155.62N。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领 域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出 若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：包括以下步骤：
S01，在拉索上布置目标点，通过相机获取拉索振动视频；
S02，将拉索振动视频分解为时间序列图像，并进行数字量化处理；
S03，利用假彩色增强方法、二值化以及形态学处理方法对拉索上布置的目标进行捕捉分析；
S04，通过计算目标形心坐标，获得拉索振动的时域图像；
S05，经过快速傅里叶变换得到拉索振动频域图像并提取拉索的振动频率；
S06，基于频率法计算拉索索力。
2.根据权利要求1所述的一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：S01中，目标点的形状包括圆形或者方形。
3.根据权利要求1所述的一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：S02中，数字量化处理后，数字图像变为一个二维数组用函数f(x，y)表示，可以表示为公式(1)。
其中，x，y分别代表每个像素点在图像中的坐标，f(x，y)代表在该点处的灰度值，M代表图像横向的像素个数，N代表图像纵向的像素个数。
4.根据权利要求1所述的一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：S03中，假彩色增强方法通用的线性假彩色映射可表示为公式(2)：
其中，RF、GF和BF分别代表图像经过假彩色增强之后某一像素点的红色分量、黄色分量和蓝色分量，Rf、Rf和Bf分别原图像的红色分量、黄色分量和蓝色分量，a1、a2、a3、b1、b2、b3、c1、c2和c3为线性假彩色映射矩阵的参数，可以根据具体的颜色需求选择不同的映射矩阵。
5.根据权利要求1所述的一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：S03中，形态学处理方法包括公式(3)到公式(6)总共四种运算；
其中，公式(3)是腐蚀的定义运算，即通过B结构元素对A进行腐蚀，是满足以下条件的点(x，y)的集合：B的中心点平移到点(x，y)时，B完全包含于A中；公式(4)是膨胀的定义运算，即通过B结构元素对A进行腐蚀，是满足以下条件的点(x，y)的集合：B的中心点平移到点(x，y)时，B与A的交集非空；公式(5)是膨胀腐蚀相结合的开运算，即先腐蚀后膨胀；公式(6)是膨胀腐蚀相结合的闭运算，即先膨胀后腐蚀；其中，A指的是被处理的图像，B是用于处理图像的结构元素，代表腐蚀运算，通过B结构元素对A进行腐蚀运算，代表膨胀运算，通过B结构元素对A进行膨胀运算。(B)xy代表用于图像处理的结构元素。
6.根据权利要求1所述的一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：S04中，设经过一系列图像处理后的区域大小为M×N，h(x，y)是每个像素点在图像矩阵中对应的灰度值，则目标的形心坐标为：
其中，xc、yc分别代表形心横坐标和纵坐标。
7.根据权利要求1所述的一种基于数字图像技术中目标识别追踪的索力测量方法，其特征在于：S06中，索的张力的计算方式如下：
式中：T是索的张力，m是索的线密度，l是索的计算长度，fn是索的第n阶自振频率，索力值由多点平均化后得到。
CN201910645807.3A 2019-07-17 2019-07-17 一种基于数字图像技术中目标识别追踪的索力测量方法 Pending CN110514340A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910645807.3A CN110514340A (zh) 2019-07-17 2019-07-17 一种基于数字图像技术中目标识别追踪的索力测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910645807.3A CN110514340A (zh) 2019-07-17 2019-07-17 一种基于数字图像技术中目标识别追踪的索力测量方法

Publications (1)

Publication Number Publication Date
CN110514340A true CN110514340A (zh) 2019-11-29

Family

ID=68622999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910645807.3A Pending CN110514340A (zh) 2019-07-17 2019-07-17 一种基于数字图像技术中目标识别追踪的索力测量方法

Country Status (1)

Country Link
CN (1) CN110514340A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111174961A (zh) * 2020-01-17 2020-05-19 东南大学 一种基于模态分析的索力光学测量方法及其测量系统
CN112733759A (zh) * 2021-01-15 2021-04-30 中国电力科学研究院有限公司 基于视觉图像局部二值化处理的结构振动测量方法及系统
CN114219768A (zh) * 2021-11-25 2022-03-22 华南理工大学 基于像素传感器的拉索索力测量方法、装置、设备及介质
CN114577387A (zh) * 2022-03-08 2022-06-03 宁波朗达工程科技有限公司 一种桥梁拉索索力实时监测装置、方法与系统
CN115144102A (zh) * 2022-06-21 2022-10-04 东南大学 一种基于云台摄像机的桥梁索力自动巡航监测系统及方法
CN115683431A (zh) * 2023-01-03 2023-02-03 湖南大学 基于直线跟踪算法的拉索索力确定方法、装置及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040245485A1 (en) * 2002-04-11 2004-12-09 Hamed Sari-Sarraf Fabric wrinkle evaluation
CN101719979A (zh) * 2009-11-27 2010-06-02 北京航空航天大学 基于时域定区间记忆补偿的视频对象分割方法
CN105910743A (zh) * 2016-05-05 2016-08-31 郑州大学 一种利用无人机测量斜拉桥拉索张力的方法
CN106168999A (zh) * 2016-07-05 2016-11-30 西安电子科技大学 一种基于实物测量信息的静电成形薄膜天线找力分析方法
CN108106541A (zh) * 2017-12-21 2018-06-01 浙江大学 一种基于视频图像识别的桥梁索力测量方法
CN108955983A (zh) * 2018-07-25 2018-12-07 湖南大学 基于拉索振型及摄影测量技术的索力测试方法
CN109341903A (zh) * 2018-11-08 2019-02-15 东南大学 一种基于计算机视觉中边缘识别的拉索索力测量方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040245485A1 (en) * 2002-04-11 2004-12-09 Hamed Sari-Sarraf Fabric wrinkle evaluation
CN101719979A (zh) * 2009-11-27 2010-06-02 北京航空航天大学 基于时域定区间记忆补偿的视频对象分割方法
CN105910743A (zh) * 2016-05-05 2016-08-31 郑州大学 一种利用无人机测量斜拉桥拉索张力的方法
CN106168999A (zh) * 2016-07-05 2016-11-30 西安电子科技大学 一种基于实物测量信息的静电成形薄膜天线找力分析方法
CN108106541A (zh) * 2017-12-21 2018-06-01 浙江大学 一种基于视频图像识别的桥梁索力测量方法
CN108955983A (zh) * 2018-07-25 2018-12-07 湖南大学 基于拉索振型及摄影测量技术的索力测试方法
CN109341903A (zh) * 2018-11-08 2019-02-15 东南大学 一种基于计算机视觉中边缘识别的拉索索力测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘国华: "《HALCON数字图像处理》", 31 May 2018, 西安电子科技大学出版社 *
陈泽楚: "基于摄影测量的拉索索力测试", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111174961A (zh) * 2020-01-17 2020-05-19 东南大学 一种基于模态分析的索力光学测量方法及其测量系统
CN111174961B (zh) * 2020-01-17 2022-06-28 东南大学 一种基于模态分析的索力光学测量方法及其测量系统
CN112733759A (zh) * 2021-01-15 2021-04-30 中国电力科学研究院有限公司 基于视觉图像局部二值化处理的结构振动测量方法及系统
CN112733759B (zh) * 2021-01-15 2022-03-08 中国电力科学研究院有限公司 基于视觉图像局部二值化处理的结构振动测量方法及系统
CN114219768A (zh) * 2021-11-25 2022-03-22 华南理工大学 基于像素传感器的拉索索力测量方法、装置、设备及介质
CN114577387A (zh) * 2022-03-08 2022-06-03 宁波朗达工程科技有限公司 一种桥梁拉索索力实时监测装置、方法与系统
CN115144102A (zh) * 2022-06-21 2022-10-04 东南大学 一种基于云台摄像机的桥梁索力自动巡航监测系统及方法
CN115144102B (zh) * 2022-06-21 2024-01-30 东南大学 一种基于云台摄像机的桥梁索力自动巡航监测系统及方法
CN115683431A (zh) * 2023-01-03 2023-02-03 湖南大学 基于直线跟踪算法的拉索索力确定方法、装置及设备
CN115683431B (zh) * 2023-01-03 2023-08-18 湖南大学 基于直线跟踪算法的拉索索力确定方法、装置及设备

Similar Documents

Publication Publication Date Title
CN110514340A (zh) 一种基于数字图像技术中目标识别追踪的索力测量方法
Ahuja et al. A survey of computer vision based corrosion detection approaches
CN105447888B (zh) 一种基于有效目标判断的无人机机动目标检测方法
CN112200178B (zh) 基于人工智能的变电站绝缘子红外图像检测方法
TW201120806A (en) Method of locating license plate of moving vehicle
CN107341470B (zh) 一种基于航拍图像的输电线检测方法
CN108416774A (zh) 一种基于细粒度神经网络的织物种类识别方法
CN109740445A (zh) 一种变尺寸的红外弱小目标检测方法
CN106339677B (zh) 一种基于视频的铁路货车洒落物自动检测方法
CN110415260B (zh) 基于字典与bp神经网络的烟雾图像分割与识别方法
CN108665468B (zh) 一种提取直线塔绝缘子串的装置及方法
Ming et al. Application of convolutional neural network in defect detection of 3C products
Valente et al. Streamlined particle filtering of phase-based magnified videos for quantified operational deflection shapes
Chen et al. Specular removal of industrial metal objects without changing lighting configuration
Cai et al. Broken ice circumferential crack estimation via image techniques
CN107330440B (zh) 基于图像识别的海洋状态计算方法
CN112241970A (zh) 基于纹影成像的气液两相中气流场速度测量方法和系统
Siegel et al. Remote enhanced visual inspection of aircraft by a mobile robot
CN111833347A (zh) 一种输电线路防振锤缺陷检测方法及相关装置
Hang et al. Surface defect detection in sanitary ceramics based on lightweight object detection network
CN114943833A (zh) 一种气液反应器中气泡流的气泡识别图像处理方法
CN109389644A (zh) 基于方向梯度增强的车位线检测方法
Han et al. Wheat heads detection via Yolov5 with weighted coordinate attention
CN116051808A (zh) 一种基于YOLOv5的轻量化零件识别定位方法
CN114119720A (zh) 一种基于卷积神经网络的靶面弹着点的检测和定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191129

RJ01 Rejection of invention patent application after publication